Estimating the Number of Components in Panel Data Finite Mixture Regression Models with an Application to Production Function Heterogeneity
面板有限混合回归的成分数估计及生产函数异质性应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究条件独立及动态面板中的有限混合回归模型选择。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
面板有限混合回归的成分数估计及生产函数异质性应用
- 研究问题
- 在条件独立或动态面板的有限混合回归中，如何确定混合成分数，并处理似然不规则性，以刻画企业生产技术的未观测异质性？
- 方法与思路
- 作者分析正态或正态混合误差下似然比检验、AIC 和 BIC 的渐近性质，推导检验零假设分布并构造序贯选模程序，应用于智利制造业数据。
- 材料陈述的贡献
- 摘要称，面板结构消除了高阶退化但保留其他似然问题；序贯检验与 BIC 可一致选择成分数，AIC 不一致，应用揭示了厂级生产技术异质性。
- 阅读关注点
- 应核对混合模型的识别和似然约束、零假设分布及序贯检验实现，以及生产弹性异质性与单纯 Hicks 中性技术差异如何区分。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明选模一致性的具体条件、检验临界值构造或生产弹性的数值结果。
原文摘要
This paper develops statistical methods for determining the number of components in panel data finite mixture regression models with regression errors independently distributed as normal or more flexible normal mixtures. We analyze the asymptotic properties of the likelihood ratio test (LRT) and information criteria (AIC and BIC) for model selection in both conditionally independent and dynamic panel settings. Unlike cross-sectional normal mixture models, we show that panel data structures eliminate higher-order degeneracy problems while retaining issues of unbounded likelihood and infinite Fisher information. Addressing these challenges, we derive the asymptotic null distribution of the LRT statistic as the maximum of random variables and develop a sequential testing procedure for consistent selection of the number of components. Our theoretical analysis also establishes the consistency of BIC and the inconsistency of AIC. Empirical application to Chilean manufacturing data reveals significant heterogeneity in production technology, with substantial variation in output elasticities of material inputs and factor-augmented technological processes within narrowly defined industries, indicating plant-specific variation in production functions beyond Hicks-neutral technological differences. These findings contrast sharply with the standard practice of assuming a homogeneous production function and highlight the necessity of accounting for unobserved plant heterogeneity in empirical production analysis.